SHELDON：假设与观察空间双重搜索推理框架

2026年10月14日，arXiv Artificial Intelligence 出现一篇预印本论文，提出科学推理框架 SHELDON。据该论文，SHELDON 将假设空间与观察空间分开表示并联合探索，从而发现当前假设无法解释的观察，并据此生成超越局部改进的新假设。论文称，在诊断、抽象推理和优化基准上，SHELDON 比所评估的基线最高高出 26.7 分，并生成最多 4.5 倍的新颖解。论文作者为 Harshit Joshi、Priyank Shethia 和 Monica S. Lam。目前该事件仅有这一篇报道，尚无后续跟进报道，上述性能数字与结论均来自该论文自身表述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。